個人助理總結精品(七篇)

序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇個人助理總結范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

Airbnb，迪斯尼世界，Uber和Nest都是取得了非凡成就的產品，總市值加在一起已經超過了1350億美元！他們不僅僅在服務上傳遞了很棒的價值，用戶的體驗好到足以掩蓋戰略的鋒芒。換句話說，它們的用戶體驗是隱形的。

有誰會真的享受整天擺弄下拉菜單、輸入框和按鍵？有時候作為設計師，在思考體驗之時我們會被那些不必要的噪音給干擾。我們會把關注點放在“設計好看的菜單”上，原因不過在于那是我們認為最簡單粗暴的解決方案。我發現的一個較為高效的方法是確定最終目標后倒推設計。這能讓你不再被UI元素干擾而去專注在真正重要的事情上。

“設計應在回顧時才能被想起”

作為設計師，學會全局縱覽產品是很重要的。我并不是說在像素層面糾結無關緊要，但體驗如果能好到讓人都忘了視覺那會更棒。

可用性和設計領域的專家Jared Spool舉了個例子：Netflix曾向它的用戶發送了一些問卷調查，內容時關于他們最喜歡其哪點。用戶們的答案是：“好看的電影、推薦工具很有用、整體的服務很棒。”然而有一件事他們并沒有提及，那就是網站擁有超豐富的功能以及直觀且視覺優秀的界面。

Jared Spool由此得出：

“這個結果正反映了Netflix設計師們每天勤奮地工作所得到的成效——他們沒有被用戶所提及……這并不是因為他們做的事不重要，恰恰相反，這是因為設計師們很好地完成了他們的工作：他們讓設計隱形了?！?/p>

1.Airbnb——設計不只是絢爛的像素

當在Airbnb上預訂住宿的時候，他們真正關心的是住家能否招待他們。Airbnb可能有數千個“可選的”地點，但如果沒有任何一家愿意接待你——你的體驗會是很糟糕的。

那么Airbnb是如何快速引導你發現其真正的價值的呢？

一切都是隱形的。在Airbnb上進行搜索很簡單，表單也很簡潔。當你進行搜索的時候，Airbnb在屏幕之后會使用機器學習(Machine Learning)來檢測你對目的地的偏好。

說白了，他們創建了一個機器學習的模型來探測住家對于住宿請求的行為和偏好。這樣他們就能對每位“客人”的搜索結果進行優化，優先顯示那些更有可能接受請求的住家。這能讓你在Airbnb上的體驗更加有意義，因為于此你便非常有希望從一個住家那里快速成功地收到反饋。

2.迪士尼世界——順暢奇幻的體驗

“過去五年間，迪士尼耗資10億美元，在全球所有的迪士尼樂園里建立一個用手環連接的智能系統。(這個系統的終端來自于為每個游客訂制的Magical Wristband手環。迪士尼不僅把它看作是一張電子門票。它還是解鎖酒店房門的鑰匙，餐廳和紀念品商店購物時的信用卡。手環配有一個手機應用，可以管理你在樂園里游玩的計劃路線、定位家人在園中的位置，可以防止父母和孩子走散?？傊?，Magical Wristband手環管理著你在童話世界里的身份和財富。這枚手環既可以在樂園的紀念品商店購買，也可以在入園前從官網預訂。每只手環價格12.95美元，可以連續待機2年，只要擁有一只就可以逛不止一家迪士尼樂園。)”為什么？因為這能讓他們通過隱形的設計創造出一個平滑、奇幻的體驗。

從你在網上訂票、挑選最喜歡的路線那一刻開始。他們會在屏幕之后捕捉所有你的信息。通過這些數據他們能摸透你的偏好，然后給你提供一個無需多走冤枉路、經過規劃的路線。

這個隱形的設計同時能作用于你預訂餐館的時候。當你進行預約時，餐館工作人員會提前知道你的名字。事實上，你可以坐在公園任意一處，而你的食物會神奇般地找到你！如何做到的？餐館裝備了先進的感應器。

迪士尼世界知道你在他們神奇的主題公園里的位置，這還能創造更棒的體驗。想象一下你的孩子不用再擠過擁擠的人群，最喜歡的卡通角色主動向他們走來的場景。

正如你所見，優秀的設計能帶來絕佳的體驗。

從商業的立場來看，對線路進行優化同時能幫助人們探索公園里更多的受歡迎景點。當參觀者在某條線路上花了更少的時間，也就意味著他們可以做更多的事，花更多的錢！

3.Uber——一個屏幕打破整個行業

隨時待命的出租車。

誰曾經想過一個屏幕(Uber的大多數主要操作在一個界面里就能完成)就能顛覆整個行業？

在Uber誕生之前，在馬路邊上揮手叫車的經歷簡直是一場噩夢。在悉尼寒冬凌晨四點繁忙的街頭上叫車實在不是一個好的體驗。

1不知何時才能等到一輛空車；

2對何處招攬出租車一無所知；

3對到達目的地的具體費用一無所知；

Uber的體驗設計卻是非凡。從交互的立場來說，Uber在一個屏幕里解決了用戶所有的痛點。

在剛打開app的時候(開啟位置服務后)，用戶不需要借助操作任何UI元素來體驗這個產品的價值。這是一個行業內領先的設計思維的絕佳示例。如何讓用戶能通過最少的步驟去達成目標？相信Uber的設計團隊始終銘記這點。

在app加載的時候：

1你可以看到所有賦閑出租車的位置。

2 Uber同時會告訴你最近的出租車趕來需要的大致時間。

3整個Uber的體驗是如此合理優雅以至于只有在回顧時才會發現一個個用心之處。但再想想之前我們通過電話預訂出租車的經歷，能做的就是撥打熱線、留下姓名、提供一個大概的候車位置，每一步都需要在經歷時就用勁去實施。

如果你留意到了Uber的成功，整個預訂車輛的概念都被精簡了。Uber并沒有提供“為明天預訂一輛車”的功能。他們整個顛覆了行業的標準和期望。

4. Nest——自我學習能力的調溫器

目前市面上的調溫器價格昂貴、操作復雜、表現低效。Tony Fadell注意到了這點，因此他創建了Nest。作為18代iPod和3代iPhone的設計師，他把他的經驗應用到了一個“智能調溫器”上。

大多數人或許會以各種理由不去設置他們的調溫器——對我來說這需要動手能力極強的人，而我恰好不是。Nest的團隊卻讓整個體驗變得絕佳，并讓其近乎隱形。

在安裝的頭七天里，調溫器會學習你的偏好和個性化日程。它包含的一些特點有：

1通過位置設置監測你的方位，當你不在家的時候切斷電源。

2在你回家之前重新打開，讓你到家后能直接感受舒適。

3 Nest監測你的睡眠時間來關掉電源。

4 Nest主張：你告訴它你的習慣，然后它會幫助你節能。

Nest之所以優秀是因為所有的行為都在屏幕之后發生。唯一需要用戶做的就是在第一周設定溫度。不需要糾結于不必要的UI元素。這也是Google愿意收購Nest的原因。

個人助理App的崛起

Great (invisible) design comes at a great cost.

正由于我們已經越來越熟悉科技于人類的饋贈，并能更好地理解技術、數據、用戶行為和期望，這些體驗將能變得越來越容易實現。這也正是為什么個人助理app越來越火。

Portal， Emu， VidaHealth， Mindy， Cortana， Siri和Google Now的公共點是什么？

它們都是躋身優秀體驗的奠基石。它們都專注于傳遞一種“過程”悄然運作的體驗?！白鳛橐粋€消費者，我為什么要點擊表單來告訴你我需要什么呢？是否是因為我們仍在向僵化的思維妥協，亦或是它綜合來看是更好的體驗？”

篇(2)

背景：

智能音箱市場體量急速上升，2018Q2季度銷量1680萬臺，預計年底總銷量達5630萬臺，使用人數突破1億。

用戶使用功能中排名前三的是：播放音樂（60%）、回答常識問題（30%）和咨詢天氣（28%）。最常使用場景是客廳和書房，其次是廚房和臥室。

智能音箱功能外形演變趨勢為：mini版、屏幕化、跨界結合（場景感知）。

音箱功能分析：

當前市場智能音箱的核心音樂播放功能點：歌單推薦、收藏管理、音樂控制、GUI點播。

語音平臺布局：

通過分析亞馬遜-Alexa和阿里AliGenie熱門技能：游戲類、教育類、新聞類、音樂類，建議結合開放平臺豐富游戲種類和游戲玩法、豐富更好玩的音樂技能。搭載智能設備破一億的Duer OS，專注于第三方設備中嵌入DuerOS AI助手。

手機語音助手領域，谷歌憑借富有想象力和智能化的Google Assistant更具競爭力；建議結合情感化和虛擬偶像輔助，加強自然貼心的對話服務，如：主動問詢、感知情緒、發起性格測試了解用戶畫像等。

未來發展：

內容服務：個性化語音識別和推送，結合用戶群體特點，給予特殊關懷，打造差異化服務。

使用場景：家庭、車載、室外等多場景探索。挖掘手機語音助手使用場景，結合第三方服務提供更強大功能。

一、智能音箱市場現狀首先分析智能音箱的發展背景和現有市場體量，估計其未來趨勢。接著調查其用戶常用功能和主要的使用場景，了解用戶剛需，找到主發力點。最后通過盤點音箱功能和外形的演變，探討業界的發展方向。

1. 智能音箱市場體量智能音箱的發展始于2014年，亞馬遜在2014年底Echo，至今占據美國市場60%以上。谷歌在2016年11月正式發售Google Home，中國也加入智能音箱大潮。

2016年智能音箱市場處于啟動期，銷量300萬臺。2017年，蘋果入局，谷歌、亞馬遜全面交鋒，銷量爆發性增長10倍到3000萬臺。

2018年Google Home超過Echo成為最熱銷的智能音箱，第二季度智能音箱總出貨量為1680萬臺，高于第一季度的900萬臺，2018年智能音箱全球出貨量預計將達到5630萬臺，使用人數突破1億。

目前在中國，阿里巴巴的Tmall Genie音箱占有50％的市場份額，而小米也在奮力追趕其小米mini音箱的銷量在本季度增長了228％。

2. 用戶使用功能和場景根據2017年美國智能音箱用戶調查報告顯示，16%的美國成年人（3900萬）有一部智能音箱。播放音樂（60%）、回答常識問題（30%）和咨詢天氣（28%）是最常見的任務。

用戶最喜歡將智能音箱放在客廳和書房（52%），其次是廚房（21%）和主臥（19%），31%的用戶將智能音箱和智能家居設備連接在一起。

3. 智能音箱功能和外形演變mini版：布局中高低不同系列音箱，打造系列生態，通過低價撬動市場，代表：Echo dot、小愛mini、百度mini、天貓方糖等等。與谷歌發力高端音箱不同，亞馬遜拉低售價，轉而開拓屏幕音箱市場。

屏幕化：多模態交互，聽得懂、看得見、能對話、會思考，代表：Echo Show、小度在家、京東叮咚。

跨界結合（帶攝像頭）：視覺交互、場景感知，用手機屏代替音箱屏，代表：精靈火眼。

二、智能音箱核心功能分析參考當前智能音箱的綜合排行榜，選擇排名前五品牌的代表音箱進行分析，分別為：阿里巴巴-天貓精靈X1、小米-小愛音箱mini、百度-小度、蘋果-HomePod、亞馬遜-Echo。

由于音樂是智能音箱最常用的任務（60%），在此重點分析音樂功能，通過對比分析五大熱門音箱的音樂功能異同點，結合用戶體驗，總結出當前市場智能音箱的核心音樂播放功能點：歌單推薦、收藏管理、音樂控制、GUI點播。

1. 熱門智能音箱功能點對比選擇排名前五品牌下的代表音箱對比分析其音樂功能，分別為:

2. 音樂播放核心功能點國內發展較好的智能音箱品牌中，小愛音箱的音樂推薦和播放功能最為齊全；天貓精靈音樂基本功能完備，主打購物生態鏈；小度APP端功能雖未全部上線，但已布局，努力研發中（與目前王者APP音樂功能類似）。

Echo等國外智能音箱配套APP功能簡單，基本功能為音樂控制。HomePod無配套APP，只在HomeKit平臺配網連接。

綜合熱門音箱配套APP音樂功能，核心功能點如下圖：

“歌單推薦”是當前智能音箱的基礎功能。小愛音箱可根據用戶選擇喜愛的歌曲風格、歌手進行相應的推薦，但根據用戶喜好推薦歌曲工作量較大，且影響用戶后期選擇范圍，因此暫不考慮。

“收藏管理”可有效解決冷啟動問題，增加用戶粘性。基礎功能是指用戶通過語音，將正在播放的歌曲添加至收藏歌單，并在APP端顯示。小愛與QQ音樂合作，將該賬戶下收藏歌單同步至智能音箱，此方法值得借鑒。管理功能可方便用戶在APP端快捷刪除歌單，增刪同步完成用戶閉環體驗。

“音樂控制”可解決復雜場景下遠場語音，音箱反應不靈敏問題，營造更為舒適的音樂體驗。在基礎暫停、切歌等功能上，還有音量控制、播放時間設置、進度條控制等功能，綜合用戶體驗，這些優化點為非必要功能，因此只保留基本的控制功能。

“GUI點播”為用戶提供了點播的補充入口。由于近五成用戶喜愛海外音樂，收聽率超過30%，然而當前智能音箱無法識別非中文歌名。GUI點播解決了海外音樂點播問題的同時，為用戶提供了更加快捷流暢音樂點播的體驗。小愛和天貓精靈都已實現，小度正努力實現中。

三、語音智能開放平臺支撐語音命令操作系統（語音OS）之于智能音箱，相當于移動端的Android和iOS，PC端的window和Linux。智能音箱跨界結合的玩法興起，因此了解語音智能平臺的布局和發展，有助于更好的了解當前能力整合資源，分析熱門趨勢找到未來的發力點。

下面挑選國內外知名品牌公司的語音系統進行分析，分別為：亞馬遜-Alexa、谷歌-Google Assitant ；阿里-AliGenie OS 百度-Duer OS

1. 智能平臺熱門技能智能語音平臺可內置，如：視覺識別、機器學習、自然語言理解、語音識別、模型預測等技術為不同產品形態賦能，打造各有不同功能的“機器人”。

以最早布局的美國科技巨頭Alexa為例：開發者為 Alexa 開發的技能數，排名最靠前的技能分別是：游戲類、教育類、新聞類、音樂類。

游戲類技能數量占所有技能的29.76%，熱門技能類型主要是音樂音頻、休閑游戲，其次是教育和新聞類，而生活智能家居的數量與熱度也趨于上升。

在國內，同樣有著電商和技術背景優勢的阿里，AliGenie目前所涵蓋的功能包括：音樂音頻、家居控制、購物充值、兒童教育、技能市場。未來發力場景包括：兒童領域、酒店領域、家庭場景下 to B 其他商業場景、線下零售場景、與其他顯示設備結合的場景。

2. 手機語音助手市場分析美國市場研究機構Strategy Analytics報告稱：2023年全球將有90%的智能手機擁有智能語音助手。到2018年底，Google Assistant的市場份額有望增至51%，蘋果Siri排名第二，市場份額將降至31%，百度DuerOS占17%，由2017年的第四名上升至第三名。

圖：2018年全球智能手機語音助手市場份額預測

Google借助Android設備，在手機語音助手領域遙遙領先，Alexa在這一關鍵領域失利。2018年Google Home智能音箱后來居上，除了自身海外市場優勢、媒體營銷戰、與零售商和智能家居設備制造商的合作外，其富有想象力和智能化的Google Assistant更具競爭力。

相比于Alexa數字助理只能理解簡單的指令，Google Home利用谷歌的搜索引擎以及谷歌自然語言處理算法能與人進行更具自然的對話。

Duer OS搭載的智能設備激活量已經突破一億，專注于在盡可能多的第三方設備中嵌入DuerOS AI助手，同時推出自己的產品線。允許OEM廠商快速將百度的語音助手整合到他們的設備中，比如：電視機頂盒、故事機、智能音箱和家用電器。智能助手從手機、音箱遷移至其他硬件設備是未來的發展趨勢，同時開拓以手機、音箱為中樞控制的智能家居生態，也是主要發力點。

提前搶占手機智能助手市場非常重要，在啟動期，以情感化和虛擬偶像為輔助，可增大用戶在技術方面的容忍度。上升期和成熟期的發展需要結合用戶特點，提高對話能力，提供更加自然貼心的對話服務。

例如：增加主動問詢，感知情緒，發起性格測試了解用戶畫像等。參考智能家居的理念，可開拓周邊硬件，例如：路由器、插座、充電寶等等。

四、未來趨勢與應用場景1. 內容服務：細分領域走向個性化用戶個性化語音識別模型，提高用戶交互成功率；

通過用戶交互數據行為和愛好，構建用戶畫像，實現個性化推送；

結合記憶功能，將智能音箱打造為個人助理和情感陪伴的朋友；

深挖用戶個性化需求，給予人群特殊關懷，打造差異化服務。

2. 使用場景：家庭、車載、室外場景探索室內家居：從客廳走向臥室、廚房，應用于生活服務和智能家居交互上。從播放音樂新聞、查詢天氣百科到購物、定外賣等服務，以及控制家居產品等。

室外場景：可穿戴設備與智能音箱結合，通過用戶手勢和體感控制，比如：戶外運動、廣場舞等。

車載場景：通過音箱給汽車下達指令，實現播放音樂、導航、調節空調等功能。

多場景下智能音箱生態，在不同的場景下有其突出滲透的功能。

篇(3)

關鍵詞:服務發現;OMNET;JINI;SLP;UPnP

中圖分類號:G301文獻標識碼:A文章編號:1009-3044(2010)01-26-03

Service Discovery Model for Multi-Networks

SHEN Yong

(Southeast University, Nanjing 210003, China)

Abstract: The recent technological developments in communication networks have results into a broad range of networks. These networks are to be connected with each other to share services and resources. In order to realize automatic configuration and discovery of service, it is very important to apply service discovery technologies in multi-networks scenarios. However, traditional centralized and distributed service discovery models are not suitable for these scenarios. New hybrid service discovery model which is developed from traditional models can meet the requirements.

Key words: service discovery; OMNET; JINI; SLP; UPnP

1 概述

1.1 服務發現技術

服務發現技術(Service Discovery[1])是隨著電子技術的不斷發展而產生的,越來越多的電子移動設備出現在人們的生活――手機,移動個人助理(PDA),筆記本電腦,數字播放器(MP3)等等。并且這種增長趨勢愈演愈烈,擁有如此多的移動計算設備,人們面臨著如何自動并有效管理如此多的移動設備的難題,例如,如何使這些設備之間相互通信及共享數據,如何使用這些設備連接到外部網絡以獲取所需的服務,如何讓我們自己所擁有的服務能夠被他人知道并共享使用。服務發現技術就是用來解決這些難題的。一方面,通過服務發現,設備能夠自動發現服務提供商,并配置與其的連接和通信以獲得相關的服務;另一方面,設備能夠把自己提供的服務廣播給其他設備,能夠讓其他設備調用它提供的服務。在過去幾年中,很多商業和研究機構都提出了各自的服務發現技術,例如SUN公司的JINI技術,微軟的UPnP技術,IETF的SLP技術,這些技術在各自的應用范圍內都取得了不錯的效果,極大地便利了移動設備的管理和服務與資源的共享。

1.1.1 SLP

服務定位協議(Service Location Protocol [2])是由IETF的SvrLoc工作組開發的,是一種獨立于特定廠商的標準,SLP已經成功推出了兩個版本。SLPv1已經成功地運用于商業軟件中,例如惠普的JetSend技術,支持打印機,數碼相機,掃描儀,PDA等設備的自動發現和配置。SLPv2進一步完善了SLPv1,應用前景更加廣泛,已經被Solaris 8和惠普的Web JetAdmin所使用。

1.1.2 JINI

Jini[3]是由SUN Microsystems公司在1999年推出,它沿用了Java設計思想,用JAVA對象來抽象系統中的設備和服務,建立一個具有可擴展性的面向服務的分布式體系結構。Jini使各種設備可以非常簡單地連接到任意無準備的網絡上,從而簡化接入的新的網絡服務的過程。

1.1.3 UPnP

通用即插即用協議(UPnP[4])是由微軟公司領導的工業聯盟()開發的。UPnP是一種建立在TCP/IP和HTTP技術至上的分布式,開放的網絡結構,可在聯網的設備間傳遞控制和數據,目標是使具有網絡功能的設備彼此之間可以自動連接及協同工作,具有設備驅動程序無關性和零配置聯網的優點。UPnP不依賴于特定的操作系統,編程語言或物理媒體,適用于有線網或無線網,微軟的Windows系列產品已經加入了"UPnP"功能,可以自動檢測并配置新接入網絡的支持UPnP的設備。Intel,ARESCOM,Buffalo Technologies, D-Link Systems, Linksys Group和NetGear等各大廠商所開發的支持UPnP的路由器,網絡攝像機,網絡打印機等產品也相繼問世。用戶將新買回的支持UPnP的打印機聯入局域網后,局域網上的其他用戶就可以檢測到該打印機并且自動設置為可以使用。

1.2 多網絡互聯服務發現

隨著通訊技術的快速發展,各式各樣的網絡種類不斷涌現――WIFI,移動自組織網絡,3G和其他蜂窩網絡,無線傳感器網絡,藍牙網絡等等。在這些通訊網絡中,又有許多服務供應商提供不同的服務,例如蜂窩網絡提供的語音服務,傳感器網絡提供的溫度監控測量服務,移動自組織網絡提供的安全警報服務?，F有的服務發現技術能夠很好的解決單種類型網絡中的資源與服務的共享,但是還沒有一種服務發現技術能夠實現多網絡互聯的服務發現。我們可以預計,在不遠的將來,這些形形的網絡必將完全互聯在一起,帶來服務與資源的大范圍共享,極大地提高各種服務和資源的利用率,因此,多網絡互聯中的服務發現技術有很大的應用前景。

2 多網絡互聯的服務發現模型

2.1 問題描述

隨著現代通信技術的迅猛發展,誕生了各式各樣的網絡,例如WIFI,移動自組織網絡(MANET),3G和其他蜂窩網絡,無線傳感器網絡,藍牙網絡等等,這些不同的網絡提供各式各樣不同的服務與資源。在單個網絡中,可以應用現有的商業版本的服務發現技術完成服務的自動配置與發現。但是,目前還沒有一種適當的服務發現框架適用于橫跨網絡的服務發現。圖1展現的就是多網絡互聯共享場景,三種不同類型的通信網絡通過網關連接到充當網絡基礎設施的WIFI網絡中,其中選取網絡穩定,并且傳輸距離長的WIFI網絡作為網絡基礎設施層,其它的通信子網,通過協作網關連接到穩定的網絡基礎設施層,從而實現了各種不同類型通信網絡的互聯。在如此場景中,現有的服務發現技術只能配置單個網絡,不能完成跨多網絡的服務與設備的自動配置與共享,必須研究出新的服務發現模型,來實現多網絡互聯的服務發現技術。

多網絡互聯中的服務發現技術模型的基本需求如下:

① 相互協作性:用戶能夠橫跨各個通信子網發現其所需的服務,各個通信子網協作完成服務與資源共享。

② 魯棒性:由于多個網絡總體節點數目巨大,必須避免單個服務器損壞引起的整個服務發現系統的癱瘓。

③ 可伸展性:隨著通信網絡的不斷發展,網絡類型會不斷增多,網絡中節點數目會不斷增長,服務發現系統必須具備可伸展性來應對這種變化。

2.2 現有服務發現模型

對現有若干種服務發現協議的歸納總結,將其分為“集中型”與“分布型”兩種模型。在服務發現協議中存在三類主體,分別是:

用戶――服務請求的發起者。

服務提供商――服務的提供者。

目錄服務器――向客戶提供目錄服務,向服務提供商提供注冊服務。

集中型服務發現模型:在網絡中有一個目錄服務器維護整個網絡的服務信息。目錄服務期定期向整個網絡廣播其存在,服務提供商收到廣播以后,把自己所提供的服務通過單播注冊到目錄服務器,當用戶需要服務時,向目錄服務器單播服務要求信息,目錄服務器查找注冊的服務,并返回查找結果給用戶。SUN公司的JINI就采用了集中型服務發現模型,SLP也包含了集中型版本。

分布型服務發現模型:網絡中沒有目錄服務器,分為兩種分布式模型,第一種是主動式,第二種是被動式,在主動式服務發現模型中,用戶需要服務時向整個網絡廣播服務要求消息,服務提供商監聽網絡,如果能匹配服務要求,就單播服務回復消息給客戶。在被動式服務發現模型中,服務提供商定期向網絡廣播服務信息,用戶收到服務信息,如果需要該服務,則向服務提供商單播服務要求消息。最典型的分布型模型的便是SLP的分布型版本。

集中型服務發現模型,由于用戶及服務提供商對目錄服務器都采用單播的通訊方式,系統中的通信量相對較少,適合于節點較多的網絡,并且具有良好的可伸展性,缺點是一旦目錄服務器不能工作,整個系統也就癱瘓,系統缺乏魯棒性。

分布型服務發現模型,由于不需要中央目錄服務器,單個節點的損壞并不影響整個系統的正常運行,系統有較好的魯棒性,但是,由于用戶與服務提供商之間采用廣播的通訊方式,所以隨著節點數目的增長,通訊量呈指數級別增長,不適用于節點較多的網絡。

兩種協議框架有各自的局限,都不能直接應用到我們所提出的跨網絡服務發現之中;也有一些關于新型服務發現模型的論文,提出了Konark[5],DEAPspace[6],GLOSERV[7]等,但都不能適用于跨網絡的服務發現。需要在這些模型研究的基礎上,結合跨網絡服務發現的特定需求,研究出新的服務發現模型。

2.3 新型混合型服務發現模型

2.3.1 概述

結合傳統的兩種服務發現框架以及跨網絡服務發現應用的特點,可以將網絡劃分為“網絡頂層”與“通信子網”兩層。初期,由于互聯到網絡基礎設施層的通信子網數目較少,網絡基礎設施層的結點數目較少,網絡基礎設施層即可作為“網絡頂層”;隨著子網數量的增多,網絡基礎設施層的結點數目也會增長,當結點數目增長到一定數量時,分布式服務發現框架就不適用了,此時我們可以將網絡基礎設施層劃分為若干塊區域,在每個區域中設置一個網關用于和其他區域的網關通信。每個區域就類似于之前的“通信子網”,而新增加的網關組成了新的“網絡頂層”。這種“通信子網”―“網絡頂層”的模式是一種層次狀的模型結構,具有很好的伸展性。采用新型的混合服務發現模型,在節點較少的網絡頂層采用分布式服務發現模型,在網絡節點較多的各種類型通信子網中采用集中式服務發現模型,并通過設計協作網關來實現兩種不同服務發現模型的融合。

2.3.2 網絡頂層

在網絡頂層中應用分布式服務發現模型,由于不需要中央目錄服務器,所以單個節點的損壞并不影響整個系統的工作,給系統提供了魯棒性。同時由于節點數目較少,服務發現的延遲和網絡通信量也相對較少。

2.3.3 通信子網

在通信子網中,節點數量往往比較巨大,采用集中式模型,引入中央目錄服務器,能夠使服務發現性能不會隨著節點數目的增長而產生巨大的變化,為系統提供了可伸展性。

2.3.4 協作網關

各個通信子網的相互協作是通過協作網關達成的,通信子網通過協作網關連接到網絡基礎設施層,由于在通信子網以及網絡頂層采用不同的服務發現框架,為各個通信子網提供相互協作性就是通過協作網關的設計,轉換兩種不同的服務發現協議框架。傳統的集中式及分布式框架都已成型,所以在選定好服務發現整體框架后,重點就是在協作網關的設計上。

2.3.5 具體方案

分布式與集中式服務發現框架,在現有的服務發現協議中,已經有完備的框架體系。接下來的重點是通過協議網關來融合這兩種不同的框架。由于在協議網關兩側是不同的框架體系,而兩種不同框架體系的消息處理流程截然不同,簡單地在協議網關上并行運行不同的服務框架并不能融合兩種框架。所以必須結合兩種框架的基本思想來設計協議網關,根據面對的不同用戶和服務提供商,協議網關必須有不同的接口。具體來說,有四個接口,分別對應于通信子網的用戶,服務提供商以及網絡基礎設施層的用戶,服務提供商。協作網關在通信子網中扮演著目錄服務器的角色,這要求它維護一個服務信息目錄,并且處理來自于通信子網的用戶的服務要求和 服務提供商的服務注冊;同時,它在網絡基礎設施層又同時扮演著用戶和服務提供商的角色,作為用戶,它要把它所屬通信子網中的不能匹配的服務要求消息轉發到網絡設施層,作為服務提供商,它要監聽網絡基礎設施層的服務要求消息,并返回匹配的服務信息給相關用戶。結合不同的消息類型和來源,協議網關采用不同的處理流程,把來自于協議網關兩端的用戶和服務提供商聯系起來,以便能達到不同網絡間的資源和服務共享。協作網關維護了一個本地目錄用于提供所屬通信子網的目錄服務,還有一個外部快存用于存儲在網絡頂層中的歷史服務發現記錄以提高服務發現性能。圖2就是協作網關的基本框架。

2.4 性能評測

對于這種混合型服務發現模型的性能評測,我準備從網絡通信流量,服務發現延遲這兩個主要方面進行評測。網絡通信流量反映了系統運行的網絡流暢程度,服務發現延遲就是用戶從發出服務請求到收到回復之間的時間。這兩個指標能很好的反映了服務發現協議的性能。我選取了兩種服務發現框架進行比對性能測試,一種是完全集中型模型,是在網絡基礎設施層和通信子網均采用集中型架構,另一種是完全分布型模型,在協作網關兩側均采用分布型模型,通過性能評測,突出新型混合型模型的優勢。

整個模型的建立及評測均基于離散事件網絡模擬平臺OMNET++,由于城市協作網目前還停留在研究階段,所以只能通過網絡模擬來建立服務發現的模型及評測性能。網絡模擬是指采用計算機軟件對網絡協議、網絡拓撲、網絡性能進行模擬分析的一種研究手段。它使得很多研究人員能夠在硬件條件不具備的情況下研究大規模網絡以及在設計、學習新協議新算法時能夠快速地設計、實現、分析進而改進協議或算法的設計。此外,它還可以在各種新老系統和算法之間進行比較而不必花費巨資去建立多個實際系統。因此,網絡模擬是網絡通信研究中一種非常重要的方法。通過網絡模擬來評價我所提出的城市協作網絡中服務發現協議模型的性能,并與現有的模型進行對比,就能發現我所提出模型的優缺點。

下面是模擬的結果:

模擬平臺為 OMNET++ Version 4[8]。